跳到正文

精选深读Google DeepMind22:01

将手语AI交到用户手中

Putting sign language AI into users’ hands

手语转文字模型落地,聋人用户受益,但实用场景仍依赖数据覆盖。

判断

这一步把选择权交到会用美国手语(ASL)的聋人手上:在 Pixel 11 上他们可以不打字,直接手语搜索、起草消息、让 Gemini 执行任务。代价是这份选择暂时只覆盖全球 200 多种手语里的一个语言对。

依据

Google DeepMind 手语团队在 8月12日 宣布,把 SL2T(sign-language-to-text,手语转文字)模型放进 Gboard 与 Live Transcribe,Pixel 11 上先支持美国手语(ASL)转英文。机制是:模型直接把手语视频转成文字,替掉用户原本必须打英文的那一步;团队引用测试者反馈,说用 ASL 比用英文打字更快、更自然。取舍写在材料自己的数字里——全球有 200 多种手语、约 70 million 名聋人与听障使用者,而首发只落地一个语言对加一个设备家族;能覆盖多少,取决于该语言对有多少训练数据,这直接决定其他手语用户哪一天才拿到同样的选项。团队说更多设备和语言随后会到,但未给时间表。

  • 全球手语数量200+
  • 聋人与听障使用者70 million
材料给出的两组数字:200 多种手语与 70 million 使用者,对上一个落地的 ASL 转英文。

没写清 材料没有给出任何准确率、词错率或误识别后的补救方式,也没说 ASL 之外的手语何时上线,所以不能替它推断其他语言对是否同样可用。

下一步 核对 Google 是否公布 ASL 之后新增的语言与设备名单,以及与之配套的质量指标。

本期其他新闻

  1. 行业动态

    引用 Florian Herrengt

    Simon Willison

  2. 行业动态

    我写了一本AI教科书——还要多久AI能写得更好?

    Interconnects

  3. 行业动态

    从辅助到执行:企业如何让AI落地应用

    OpenAI

  4. 行业动态

    RingCentral如何从工程到运维构建AI原生工作

    OpenAI

  5. 精选深读

    LFM2.5-VL-3B:为边缘端提供更好、更快的视觉能力

    Hugging Face

  6. 精选深读

    从专有LLM API中窃取推理轨迹

    Simon Willison

  7. 精选深读

    自然语言文本不存在无损变换

    Simon Willison